or
Diese Übung ist Teil des Kurses
Mach dich mit fehlenden Daten vertraut und erfahre, wie sie deine Analyse beeinflussen! Lerne verschiedene Operationen mit Nullwerten in deinem Datensatz kennen, wie du fehlende Daten findest und die Fehlwertigkeit in deinen Daten zusammenfasst.
Die Analyse der Art der Fehlwertigkeit in deinem Datensatz ist ein wichtiger Schritt, um fehlende Werte richtig zu behandeln. In diesem Kapitel lernst du im Detail, wie du Muster in vorhandenen und fehlenden Daten erkennst und die Fehlwertigkeit mit einfachen Techniken wie der Listenweglassung angemessen behandelst.
Tauche ein in die Welt der Datenimputation! In diesem Kapitel wendest du grundlegende Imputationstechniken an, um fehlende Daten zu füllen, und visualisierst deine Imputationen, damit du ihre Performance beurteilen kannst.
Zum Schluss gehst du über einfache Imputationstechniken hinaus und holst mit fortgeschrittenen, auf Machine-Learning-Modellen basierenden Verfahren das Beste aus deinem Datensatz heraus, um fehlende Daten präzise zu imputieren und zu evaluieren. Du nutzt Methoden wie KNN und MICE, um möglichst viel aus deinen fehlenden Daten herauszuholen.
Aktuelle Übung